当 AI 预训练的 scaling law 开始放缓，强化学习 (RL) 接过接力棒，拉出了一条漂亮的第二曲线。 在当下的 Agent 热里，有 RL 能力的团队，也是最被看好和押注的。 但很多人对 RL 都没有一个足够清晰的理解，包括我自己。 所以这期我们请到了国内 RL 领域的专家、清华大学交叉信息研究院助理教授吴翼，来讲讲 RL 的原理到底是啥、RL + LLM 的路径是怎么发展起来的、目前存在哪些非共识、未来还会怎么演变等等（聊完感觉像上了一堂免费大师课）。 而且聊着聊着，我们发现，人生就是一个...